煤礦突發事件應急能力評價指標賦權方法

苗成林，孫麗艷，馮俊文，馬 蕾

MIAO Chenglin1,SUN Liyan1,FENG Junwen2,MA Lei3

1.安徽理工大學 經濟與管理學院，安徽 淮南232001

2.南京理工大學 經濟管理學院，南京210094

3.南京理工大學 人文與社會科學學院，南京210094

1.School of Economics and Management,Anhui University of Science and Technology,Huainan,Anhui 232001,China

2.School of Economics and Management,Nanjing University of Science and Technology,Nanjing 210094,China

3 School of Humanities and Social Sciences,Nanjing University of Science and Technology,Nanjing 210094,China

1 引言

相對其他企業而言，煤礦企業本身是一個容易發生突發事件的行業，突發事件的影響范圍比較大、造成的損失較為嚴重[1]，而且煤礦企業有復雜的生產系統、多個生產環節、復雜多變的地質環境條件、惡劣的生產環境條件等特點[2]，這些迫切需要煤礦企業提升應對突發事件的應急能力水平，只有如此方可在面臨突發事件時能夠采取有效、及時的應對措施[3]。

煤礦企業應急系統的逐步完善，應急管理的迅速發展，煤礦企業應急能力也隨之產生[4]。在應對突發事件時，煤礦企業盡可能降低突發事件造成的破壞程度和損失，并在事后能夠及時恢復正常生產的能力，稱為煤礦企業應急能力[5]。雖然煤礦企業突發事件爆發的特點是突發性、不確定性，但應急能力要貫穿于事前、事中、事后三個階段的每一個環節。煤礦企業應急能力的目的就是預防、控制及消除突發事件，因此，應急能力的提高能夠有效地降低突發事件造成的財產損失、人員傷害以及破壞環境的程度[6]。

國內外學者及相關企業管理者對企業突發事件的應急管理研究和應急能力評價等進行了相關研究。評價煤礦企業應急能力的狀況及水平[7-8]，發現缺陷與不足，采取或制定應對措施，加強應急能力系統的建設和規劃，提升企業應急能力的水平，從而實現在事前能夠降低突發事件的發生率、在事中能夠有效地控制事件影響的惡化、在事后盡可能降低損失和盡快恢復正常生產的目的[9]。

在煤礦企業應急能力評價過程中，評價指標之間的平衡狀態對評價最終的結果有很大的影響作用[10]。它們的平衡狀態是根據它們的相對重要程度計算出來的，并以“權重”的方式表現出來。從行為的角度來看，影響確定評價指標權重的因素包括：指標理想值和實際值之間的差異、指標之間的關聯度、輸入激活因素的頻率、評價者的個性及社會經濟屬性、權重的內在價值、指標之間的相互作用等。傳統的賦權方法，如AHP 法、特征向量法、最小二乘法、熵值法、效用函數法，只考慮與其他指標之間的相互作用而忽略其他的影響因素[11]。

一般情況下，最傳統的賦權方法是靜態分析，其結果僅僅反映了評價者當時的直覺或感覺[12-14]。事實上，指標權重在不同情況下是變化的，包括：輸入信息、時間、學習過程和環境等。因此，確立評價指標的絕對權重是不容易的。另外，傳統的賦權方法都有一個共同的假設，就是存在偏好結構，但問題是如何得到。因此，問題就產生了：如果決策者的偏好不穩定，那么賦權方法是有效的嗎[15]?就如同食物對一個饑餓的人的重要性與對一個正常的人是一樣的嗎?答案肯定是不。從習慣領域的角度來看，權重來源于決策者的習慣領域。

本文綜合考慮上述的影響因素，運用習慣領域理論[16-19]研究評價指標的賦權問題。為了清晰描述在評價過程中權重的變化，根據指標之間的關聯度建立了模糊有向圖。根據指標的連通網絡結構圖，采用習慣領域提出了新的指標賦權模型，將評價作為從理想狀態到實際狀態的動態調整過程，以便根據不同的情況實現權重的動態變化，改進了傳統的加權方法。該模型在行為機制的基礎上確立權重，克服了傳統加權方法的許多缺點。

2 基于習慣領域的煤礦突發事件評價指標賦權模型

2.1 模型的構建

習慣領域（HD）的概念是由游伯龍教授于1980 年首次提出的，指出人們在決策過程中經過長時間的積累形成的思想、想法逐漸習慣性地穩定下來[19]。習慣領域的主要思想是：每個人大腦所編碼、儲存的知識、經驗、思想、方法、技巧以及各種信息等等，經過相當的時間以后，如果沒有重大事件的刺激，沒有全部信息的進入，這個編碼和儲存的總體，將處于相對穩定的狀態。思想或想法（指大腦編碼、儲存等）一經穩定，對人、對事、對問題、對信息的反應，包括認識、理解、判斷、做法等，就具有一種習慣性，也就是說具有比較固定的套套和框框或稱模式、定勢或圖式。

基于習慣領域的煤礦突發事件應急能力評價指標賦權網絡結構見圖1，在該網絡結構圖中所有元素是相互連通的。

圖1 基于習慣領域的評價指標賦權網絡結構圖

初始指標是最基本因素，且每一個指標都有與他相鄰單元的路線。在外部因素的刺激下，一些指標在學習過程中被有序地激活，而其他的指標仍處于未激活狀態。這些外部激活因素以路線結構圖的形式被記錄下來，即常表現為有向圖等。這又可以反過來激活網絡結構圖中的其他單元，但有向圖輸出的信息中只有部分能夠被激活。基于此，本文采用競爭學習的模式來構建煤礦突發事件應急能力評價指標賦權模型。

在競爭學習過程中，網絡結構圖的輸出因素之間存在激烈的競爭。對每個評價指標隨機賦予權重，之后給所有的輸出因素一個競爭機會。這樣限制了權重的大小。每個評價指標被隨機賦予權重，且權重的取值在0與1 之間，即：

其中，wt(vi)表示輸入激活信息St后指標vi（競爭層的）的權重。

內部機制在評價指標之間產生的競爭是為了準確地反映輸入的激活信息，因此在某一時間內只有一個輸出單元或每組只有一個單元被激活。在本文中，將在廣義領域的評價指標作為競爭學習過程的勝利者。這不同于傳統的“贏家通吃”觀念，因為當競爭結束后，勝利者不一定只有一個。這種競爭形式被稱為廣義的“贏家通吃”，本文構建的賦權模型正是基于這種廣義“贏家通吃”競爭學習。

令Stα表示所有“勝利”評價指標的實際域，它的ε-域為Nt(Stα，ε)。廣義域的輸出信號設置為1，在競爭中失敗的評價指標的輸出信號設置為0。輸出信號也稱為評價指標參數It。本文使用贏家集合及它們的鄰域更新網絡圖的權重。然后，產生一個新的權重向量且是舊權重向量和當前輸入向量的線性組合。通過網絡的反復訓練更新權重，權重的更新規則是：

通過控制系數和關聯度函數定義每個指標vi的調整系數ηi。

對于每個vi∈Nt(Stα，ε)，vk表示vi的前一個指標，則

Qk表示vk的控制系數，調整系數ηi計算公式如下：

其中，映射φt:σ(HD)×HD→Ct稱為習慣領域HD 子集指標的關聯度函數。

假設輸入激活因素有p個向量，表示所有調整系數ηi的平均值，則

調整系數的平均值，可以得到權重的變化量Δwt(vi)：

其中，ξt表示學習速率參數，它的值可自選，且ξt的值必須在0～1 之間。

引理1由式（1）～（4）所述的權重修正學習規則，在本文的研究領域中所有指標的權重之和始終等于1。

證明在時刻t，對研究的習慣領域HD 中所有指標而言，它們權重變化量之和等于0，即

則在時刻t+1，HD 所有指標權重之和為：

∑iwt+1(vi)=∑iwt(vi)+∑iΔwt(vi)]=1+0=1

現在要討論是平衡狀態。根據引理1，在平衡狀態中，評價指標的權重與控制系數和各評價指標與所在領域的關聯度有關。

定理1在平衡狀態中，評價指標vi的權重與控制系數和評價指標vi與其所在領域的關聯度有關。而且在其他條件不變的情況下，評價指標vi的權重也是固定和穩定的。

證明設hk為激活因素Sk在網絡訓練出現的概率，gk(vi)表示當Sk出現時評價指標vi勝利即進入廣義領域的概率。考慮以下情況：

∑kΔwt(vi)hk gk(vi)=0

也就是說，權重的平均變化值是0。將這種狀態作為平衡狀態。因此，根據學習規則和所有刺激因素的平均值，得到：

評價指標vi的平均調整系數通過控制系數和關聯度函數計算得到，因此，在平衡狀態中，評價指標vi的權重與控制系數和指標vi與其所在領域的關聯度有關。在此情況下與控制系數與關聯度對應的輸入激活因素仍保持穩定狀態，且平均調整系數沒有發生顯著的變化，評價指標權重是常數。當系統處于這種情況時，權重不會發生改變，該系統達到平衡狀態。

2.2 算法

初始化連續隨機變量U(0，1)，即均勻分布在區間[0，1]；

初始化ε-鄰域Nt(Stα，ε)=?，Stα∈2HD；

初始化ε-鄰域Nt(Stα，ε)=?，Stα∈2HD；

通過問卷調查得到評價指標的理想值q*、實際值q和有向圖G每對(vi，vj)的初始矩陣

設置密度參數δ，0 ＜δ＜1、決策參數β，0 ≤β＜1、學習速率參數ξt和閥值參數α，0 ≤α≤1。

步驟1按下式計算有向圖G的每對(vi，vj)的初始關聯度：

步驟2當不滿足停止條件時，運行步驟3～13。

步驟3對每一個激活向量St，執行步驟4～9。

步驟4確立狹義的實際域Stα：

Stα={vi∈St∩HD|Qi≥α}，其 中

步驟5計算每一個評價指標vj∈HDStα與Stα的關聯度：

步驟6查找Stα的ε-鄰域：

步驟7對任一vi∈Stα和vj∈Nt(Stα，ε)，Path*(vi，vj)是vi到vj的最優路徑，因此φt(Stα，vj)是最大值，更新路徑Path*(vi，vj)所有指標x，y 的指標參數：

步驟8計算每個vi的調整系數ηi：

步驟9對所有vi，vj∈Stα∪Nt(Stα，ε)，更新vi到vj的關聯度：

步驟10令表示所有調整系數ηi的平均值，即

步驟11計算在t+1 階段每個評價指標vi的權重wt+1(vi)：

wt+1(vi)=wt(vi)+Δwt(vi)

步驟12更新學習速率ξt+1=0.5ξt(ξ0=0.6)。

步驟13檢驗停止條件：

對?i ∈[1，n]，如果maxi?wt(vi)小于指定的公差，則停止；否則，繼續。

3 仿真研究

本文對淮南市某煤礦企業進行問卷調查，以檢驗本文構建的評價指標賦權方法的適用性。調查該煤礦企業在煤礦突發事件前、中、后時選擇方式時的決策屬性以及重要等級。針對該煤礦企業的應用研究，將有助于建立更加有效的煤礦事故應對策略和處理政策。

3.1 評價指標體系的構建

煤礦突發事件應急能力是一個動態的不斷變化的過程，包括事前、事中和事后三個環節的預防、監測、控制和恢復等能力。分析淮南市某煤礦企業的每個環節中應急能力的主要影響因素，根據國家煤礦安全監察局的文件并參考相關的研究成果，構建該煤礦突發事件應急能力的評價指標體系（見表1）。

表1 評價指標體系

3.2 煤礦突發事件應急能力評價指標賦權

進行問卷調查，發放160 份問卷，回收155 份有效問卷。

采用表1 的9 個評價指標和6 個激活因素進行如下實例。輸入數據包括所有評價指標的關聯度矩陣()、指標的公差值q*、實際值q。假設學習速率為ξ0=0.6，ξt+1=0.5ξt。

步驟0通過問卷調查得到q*和q的值。

表2 評價指標的公差值q*

表3 給出了每個評價指標的實際值。

從表4 可以看出，評價指標v3到v7的關聯度最高為0.818，次之的是v3到v9的關聯度為0.805，v7到v9的為0.789，v2到v7的為0.788。另外，關聯度較低的是v1到v6的0.209 和v8到v4的0.225。

設置密度參數δ=0.000 1；設置決定參數β=0.5；設置閥值參數α=0.5。

初始化學習速率參數ξ0=0.6。假設Stα的ε-鄰域的閥值為ε=0.7。

步驟1計算每對評價指標(vi，vj)的初始關聯度

表3 評價指標的實際值q1）

表4 總樣本指標之間的關聯度

表5 每對評價指標(vi，vj)的初始關聯度

步驟2由于停止條件不滿足，運行步驟3～13。令t=1，進行第一次迭代。

步驟3對每一個激活向量St，執行步驟4～9。

表6 激活向量

步驟4計算每個指標vi的控制系數Qi

表7 每個指標的控制系數

確定狹義的實際域Stα：Stα={1，5，6，8}。

步驟5對每一個評價指標vj∈HDStα，計算vj與Stα的關聯度。

步驟6查找Stα的ε-鄰域：

步驟7更新路徑Path*(vi，vj)所有評價指標x，y的指標參數。

步驟8計算每個vi的調整系數ηi。

步驟9對vi，vj∈Stα∪Nt(Stα，ε)，更新vi到vj的關聯度（直到完成一個訓練過程）。

步驟10計算所有調整系數ηi的平均值。

步驟11計算在t+1 階段每個評價指標vi的權重wt+1(vi)。

步驟12更新學習速率ξt+1=0.5ξt(ξ0=0.6)。

步驟13檢驗停止條件

如果maxi?wt(vi)=0.600 4 ＞0.01，則繼續。

修改學習速率的調整程序，經過7 次迭代，得到如下結果。

如果maxi?wt(vi)=0.004 4 ＜0.01，則停止。

給出權重向量如表17。

在該煤礦突發事件應急能力的9 個評價指標中權重最高的是實際救援v6且為0.170 7；而權重最低的是應急反應v4且權重為0.075 0，這與該煤礦企業的實際情況較符合。

表8 vj 與Stα的關聯度

表9 vj（vj ∈HDStα）與Stα的關聯度

表10 Path*(vi，vj)所有評價指標x，y 的指標參數

表11 每個指標的調整系數

表12 更新vi 到vj 的關聯度

表13 調整系數ηi 的平均值

參數α，β，δ，ξ，ε的值是評價人員根據自身習慣領域的主觀判斷以及根據當局的需要得到的。設定參數值的規范化原則，并根據網絡收斂效果測量設置的參數。在設置參數時要避免權重值發散，從而避免在網絡訓練過程中過度地修訂參數。

3.3 與傳統賦權法的比較與分析

（1）主觀賦權法——AHP

表14 t+1 階段每個指標的權重

表15 檢驗條件

表16 最終結果

表17 各個評價指標的權重

采用傳統的主觀賦權法AHP 對案例的指標體系賦予權重，得到結果如表18 所示（具體計算過程略）。

表18 AHP 賦權結果

圖2 HD 權重與AHP 權重的比較

圖2 是本賦權方法對本文構建的評價指標體系賦予權重與運用AHP 法賦予權重之間的比較圖，由圖2 可以比較分析出AHP 權重的波動性比較大，而習慣領域（HD）權重則出現比較高的穩定性和比較大的同一性，說明HD 權重比傳統的主觀賦權法——AHP 更加準確和可靠。

（2）客觀賦權法——熵值賦權法

對案例得到的指標數據標準化處理，采用下式進行歸一化處理：

設第j個指標的熵值用ej來表示，則有

第j個指標的評價值數據的分散度dj可表示為：dj=1-ej，j=1，2，…，n。

因此，當對第j個指標沒有主觀偏好時，它的權重因子為：

當對第j個指標有主觀偏好且權重系數為λj時，它的權重因子按下式修正。

采用上述運算過程得到本案例評價指標體系的權重為：

w=(0.133 3，0.112 9，0.133 3，0.111 2，0.122 5，0.159 4，0.124 9，0.111 3，0.106 8)

圖3 是本賦權方法對評價指標體系賦予的權重與熵值法賦予的權重之間的比較圖，由圖3 可以分析出本賦權方法得到的權重值與客觀賦權法——熵值法得到的權重值幾乎一致，從而說明了本賦權方法評價結果的正確性和可靠性。

圖3 HD 權重與熵值權重的比較

4 結束語

評價指標的權重是煤礦企業應急管理決策的決定性因素，本文基于行為機制模型和習慣領域理論，采用指標之間的關聯度建立了煤礦突發事件應急能力評價指標賦權的網絡結構圖。采用關聯度的思想界定了模糊有向圖，并稱之為關聯網絡圖。然后，在激活反應過程中界定被激活指標的鄰域，并將廣泛意義上的實際領域作為廣義鄰域。構建的模型認為決策是從理想狀態到實際狀態的動態調整過程。采用習慣領域構建的煤礦突發事件應急能力評價指標賦權方法主要是從競爭學習的角度展開研究的。證明了處于平衡狀態的領域的指標權重與控制系數及各指標的關聯度有關。

最后，通過問卷調查法研究了淮南市某煤礦突發事件的應急能力。仿真研究的結果表明對該煤礦企業而言最重要的指標是實際救援和監測預報，而不足的是應急反應和應急物資保障。總之，與其他的傳統賦權方法（AHP 法和熵值法）相比，結果表明該方法的評價結果準確和可靠。本文基于習慣領域理論建立的煤礦突發事件應急能力評價指標賦權方法將有助于煤礦企業應急管理者更準確地接近人們的思維過程，而且它的執行程序在實踐中是可行的。

[1] Qi Lixia，Yang Xue.Differentiate and simulation of accident-causing mechanism in mining production[J].Safety in Coal Mines，2012（3）：116-119.

[2] 鮮林.現階段小煤礦事故多發的原因分析及對策[J].煤礦安全，2008，39（3）：106-108.

[3] Pan Qidong.Designing research of coal mine emergency management information system based on data integration[J].Journal of Henan Polytechnic University：Natural Science，2011（5）：125-132.

[4] 祁迪.煤炭企業應急管理研究[J].山西財經大學學報：高等教育版，2009，12（4）：91-93.

[5] Gu Weili，Li Xinchun.Study on emergency capacity evaluation of coal mine enterprise[J].Coal Engineering，2011（9）：83-91.

[6] 朱桂明.石化企業應急救援能力評估研究[J].中國安全生產科學技術，2010（9）：82-87.

[7] 張江石.礦工應急處理能力評估方法研究[J].煤炭學報，2012，37（2）：290-294.

[8] 馮珍，郝晶星.煤礦企業應急救援能力評估[J].電子科技大學學報：社會科學版，2010，12（3）：53-56.

[9] 谷威麗，李新春.煤礦企業應急能力評價研究[J].煤炭工程，2011（9）：106-108.

[10] 劉業政，徐德鵬，姜元春.多屬性群決策中權重自適應調整的方法[J].系統工程與電子技術，2007，29（1）：45-48.

[11] 黃德春，陸艷.創新型企業評價體系指標的測度及賦權方法[J].統計與決策，2007，22：173-175.

[12] 程平，劉偉.多屬性群決策中一種基于主觀偏好確定屬性權重的方法[J].控制與決策，2010，25（11）：1645-1650.

[13] 宋興光，楊德禮.基于決策者偏好及賦權法一致性的組合賦權法[J].系統工程與電子技術，2004，36（9）：1226-1290.

[14] 呂俊杰，王元卓.信息安全風險模糊群決策評估方法[J].計算機工程與應用，2010，46（12）：17-20.

[15] 劉偉，周育人.一種改進慣性權重的PSO 算法[J].計算機工程與應用，2009，45（7）：46-48.

[16] 馮俊文.組織習慣域理論[J].系統工程與電子技術，2001，6（23）：40-43.

[17] 馮俊文，王華亭，寧方偉，等.習慣領域與能力管理[M].北京：經濟管理出版社，2010.

[18] 馬蕾.企業組織慣域理論研究與應用[D].南京：南京理工大學，2003.

[19] Yu P L.Habitual domains[J].Operations Research，1991，39（6）：869-876.